Clasificación de cultivos mediante imágenes satelitales
La solución de clasificación de cultivos de EOSDA ofrece análisis de imágenes satelitales precisos, escalables y totalmente gestionados e impulsados por IA. Ayuda a las organizaciones a tomar decisiones inteligentes y basadas en datos en toda la cadena de valor agrícola.
- Hasta un 90 % de precisión
- Integración de API
- Informes personalizables
Ventajas de la solución de clasificación de cultivos de EOSDA
Optimización a corto plazo
- Mejora de la planificación de la producción y el abastecimiento.
- Optimización de la cadena de suministro.
- Mejora de la gestión de los campos y optimización de los recursos.
- Evalución y gestión del riesgo de los préstamos y seguros agrícolas más sencillas.
- Seguimiento más sencillo del cumplimiento de los programas agrícolas.
Impacto y resiliencia a largo plazo
- Análisis del mercado más inteligente, basado en conocimientos agrícolas.
- Fácil recopilación y almacenamiento de datos agrícolas.
- Capacidad para respaldar las políticas y normativas de seguridad alimentaria.
- Planificación más inteligente del uso del suelo y gestión sostenible de los recursos.
- Evaluación y supervisión de las materias primas para bioenergía mejoradas.
Enfoque y metodología de nuestra clasificación de cultivos basada en IA
Modelo: EOSDA utiliza una arquitectura Conv-LSTM multinivel que integra análisis espacial (CNN) y temporal (LSTM). Mediante el análisis de imágenes de series temporales de toda la temporada, el modelo captura los cambios espectrales de los cultivos a lo largo de las etapas de crecimiento, lo que mejora significativamente la precisión de la detección.
Datos satelitales: El modelo utiliza imágenes del satélite Sentinel-2 L2A, que recopila datos en 8 bandas espectrales (RGB, 2 del borde rojo, NIR, 2 SWIR).
Cultivos: El modelo ha sido entrenado con datos de más de 20 tipos de cultivos en varios países, y se puede adaptar a cualquier cultivo si se proporcionan datos de referencia sobre el terreno.
Precisión: Hasta el 90%.
Limitaciones: Regiones con alta cobertura nubosa y campos de menos de 2 ha.
Resultados y formatos previstos en el proyecto
- Máscara ráster de clasificación limitada al AOI en formato GeoTIFF.
- Máscara vectorial con los límites del campo en formato ESRI Shapefile, GeoJSON, KML o GPKG.
- Estadísticas agregadas por límites administrativos de regiones, distritos, etc. en formato XLSX o CSV.
- Informe del análisis o nota de interpretación de resultados, si fuese necesario.
*Entrega de datos en otro formato, incluso a través de la API.
Datos necesarios para la clasificación de cultivos mediante IA
Datos que debe proporcionar el cliente
- Área de interés (AOI) en formato tabla (XLSX/CSV) o vectorial (KML, ESRI Shapefile, GPKG, GeoJSON).
- Lista de cultivos objetivo.
- Calendario de cultivo, si estuviese disponible.
- Datos de referencia (ejemplos del campo con los cultivos objetivo para el entrenamiento del modelo), si hubiese disponibles.
Datos preparados por EOSDA
- Datos fenológicos.
- Imágenes satelitales.
- Conjuntos de datos de entrenamiento para la clasificación general de la cobertura del suelo (y clases objetivo si no están disponibles).
- Conjuntos de datos de validación.
Etapas estándar de un proyecto
Duración típica del proyecto: 3-6 semanas.
Investigación de las características de la vegetación para el AOI
Recopilación, verificación y filtrado de datos sobre el terreno
Búsqueda y descarga de los datos satelitales necesarios
Entrenamiento del modelo y clasificación de cultivos
Verificación de resultados y preparación del resultado final